| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-17页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·聚类算法的研究 | 第13页 |
| ·客户细分的应用研究 | 第13-14页 |
| ·客户细分中存在的问题 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 数据挖掘中的聚类分析 | 第17-26页 |
| ·聚类分析的定义 | 第17页 |
| ·聚类分析中的数据结构和数据类型 | 第17-22页 |
| ·数据结构 | 第17-18页 |
| ·数据类型 | 第18-22页 |
| ·算法性能衡量指标 | 第22页 |
| ·聚类分析划分 | 第22-24页 |
| ·基于划分的聚类方法 | 第23页 |
| ·基于层次的聚类方法 | 第23页 |
| ·基于密度的聚类方法 | 第23页 |
| ·基于网格的聚类方法 | 第23-24页 |
| ·基于模型的方法 | 第24页 |
| ·常用聚类算法的比较 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 一种基于代表点和点密度的聚类算法 | 第26-36页 |
| ·引言 | 第26页 |
| ·DBSCAN 算法 | 第26-28页 |
| ·相关概念 | 第27页 |
| ·聚类过程 | 第27-28页 |
| ·DBSCAN 算法的改进 | 第28-30页 |
| ·基于代表点和点密度的聚类算法 | 第30-33页 |
| ·相关概念 | 第30-31页 |
| ·算法描述 | 第31-32页 |
| ·参数选择 | 第32-33页 |
| ·算法性能分析 | 第33页 |
| ·实验结果 | 第33-34页 |
| ·实验一：Dataset1 数据集 | 第33-34页 |
| ·实验二：Dataset2 数据集 | 第34页 |
| ·小结 | 第34-36页 |
| 第4章 基于数据交叠分区的高效密度聚类算法 | 第36-45页 |
| ·引言 | 第36-37页 |
| ·基于数据交叠分区的高效密度聚类算法 | 第37-40页 |
| ·交叠分区 | 第37-38页 |
| ·局部聚类 | 第38-40页 |
| ·聚类合并 | 第40页 |
| ·算法合并规则有效性讨论 | 第40-41页 |
| ·实验和算法性能评估 | 第41-44页 |
| ·小结 | 第44-45页 |
| 第5章 基于数据交叠分区的高效密度聚类算法在电信客户细分中的应用 | 第45-54页 |
| ·引言 | 第45页 |
| ·客户细分的作用 | 第45-46页 |
| ·客户细分的方式 | 第46-47页 |
| ·客户细分的步骤 | 第47-48页 |
| ·客户细分的实现 | 第48-52页 |
| ·数据准备 | 第48页 |
| ·数据预处理 | 第48-51页 |
| ·聚类分析 | 第51-52页 |
| ·客户细分结果展示 | 第52页 |
| ·客户细分模型的应用 | 第52-53页 |
| ·小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A（攻读硕士期间发表的论文） | 第60页 |